- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[计算机与信息科学通信] 信号处理与智能识别系统进展 第968卷（第四届国际研讨会SIRS 2018，印度班加罗尔，2018年9月19-22日，修订精选论文集）|| 基于HoG方法的视网膜图像中风预测新方法
摘要： 中风是全球成年人致残的主要原因之一。视网膜眼底图像被用于检测中风等各类心血管疾病。中风的主要特征表现为软性/硬性渗出物、动脉或静脉阻塞以及视网膜血管结构改变。本研究采用方向梯度直方图（HoG）算法提取视网膜眼底图像感兴趣区域的特征，该创新方法用于计算机辅助诊断健康人群与中风患者的异常眼底图像。通过对比分析HoG特征与Haralick特征的差异发现：当将感兴趣区域提取的HoG特征输入朴素贝叶斯分类器时，可获得93%的准确率及0.979的受试者工作特征（ROC）曲线下面积。
关键词： 哈拉里克特征、朴素贝叶斯分类器、方向梯度直方图（HoG）、笔画
更新于2025-09-23 15:23:52
-
嫦娥月球轨道器CCD图像中小型撞击坑的粗到精提取
摘要： 月球撞击坑构成了月球地质年代学的基础，而小尺度撞击坑进一步丰富了局部地质年龄估算的基础统计数据。因此，月球撞击坑的提取是现代行星科学研究的重要分支。然而，目前鲜有针对小尺度撞击坑提取的研究报道。本文提出一种由粗到精的多分辨率方法，利用方向梯度直方图（HOG）特征和支持向量机（SVM）分类器，从电荷耦合器件（CCD）图像中自动提取小尺度撞击坑。首先从空间分辨率为120米的嫦娥一号影像中提取大尺度撞击坑作为样本，随后采用SVM分类器根据提取样本的HOG特征建立撞击坑与非撞击坑的分类标准。该标准进而用于从空间分辨率为1.4米、7米和50米的高分辨率嫦娥二号CCD影像中提取小尺度撞击坑。通过将新提取的小尺度撞击坑更新至样本数据库，实现提取过程的渐进优化。该方法在模拟影像及嫦娥系列轨道器获取的多分辨率真实CCD影像上进行了测试，在提取最小仅20米的小尺度撞击坑时均获得高精度结果。
关键词： 小型撞击坑，嫦娥卫星，电荷耦合器件（CCD）图像，支持向量机（SVM）分类器，方向梯度直方图（HOG）特征
更新于2025-09-11 14:15:04
-
[IEEE 2018年智能计算与电子企业国际会议(ICSCEE) - 沙亚南(2018.7.11-2018.7.12)] 2018年智能计算与电子企业国际会议(ICSCEE) - 基于随机森林及LBP与HOG特征组合的人脸识别与检测
摘要： 有效的面部识别方法应能基于视频广播在非受控环境中良好运行，以满足现实世界应用的需求。然而这对大多数现有面部识别算法仍是重大挑战，会影响系统准确性。本研究旨在开发适用于光照变化、面部表情、不同姿态、朝向、遮挡、国籍差异及运动条件下视频广播的面部识别方法。采用Viola-Jones算法改进面部检测——该方法已被证实能在现实世界非受控环境中简单且高精度地检测人脸。通过结合方向梯度直方图(HOG)与局部二值模式(LBP)特征进行人脸特征提取，这些描述符具有较低计算耗时优势。采用最新精准的随机森林分类器(RF)进行人脸分类，为评估其效率，将其与支持向量机分类器(SVM)及不同现有特征提取方法进行了对比。在Mediu员工数据库上实施四组实验，报道了所提算法的优秀效果（平均识别准确率达97.6%）。使用计算机视觉与图像处理MATLAB 2016b工具箱对基于视频的数据集进行系统编码。
关键词： 维奥拉与琼斯，人脸识别，中层员工，局部二值模式（LBP），方向梯度直方图（HOG），随机森林分类器（RF）
更新于2025-09-09 09:28:46
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于深度卷积神经网络的高光谱遥感图像杂草分类
摘要： 自动杂草检测与制图对于实施定点除草至关重要，既能降低农业生产成本，又能减少除草剂对人类健康的影响。本文采用高光谱图像研究基于斑块的杂草识别方法，通过卷积神经网络（CNN）与方向梯度直方图（HoG）进行对比评估。研究探讨了适宜的斑块尺寸，揭示了RGB影像的局限性。实验结果表明：随着波段数量增加，CNN的杂草分类总体精度持续提升；相比传统HoG特征提取方法，CNN能提取更具判别力的特征从而提高分类效果，但其计算负荷会随波段数增加而略有上升。
关键词： 方向梯度直方图（HoG）、杂草制图、高光谱图像、卷积神经网络（CNN）
更新于2025-09-09 09:28:46